Registro Completo
|
Biblioteca(s): |
Embrapa Solos. |
|
Data corrente: |
27/12/2023 |
|
Data da última atualização: |
27/12/2023 |
|
Tipo da produção científica: |
Resumo em Anais de Congresso |
|
Autoria: |
SALDANHA, G. da R.; PINHEIRO, H. S. K.; CARVALHO JUNIOR, W. de; CHAGAS, C. da S.; RODRIGUES, N. B.; RAMOS, E. E. C.; GUIMARÃES, L. D. D. |
|
Afiliação: |
GABRIELA DA ROCHA SALDANHA, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; HELENA SARAIVA KOENOW PINHEIRO, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; WALDIR DE CARVALHO JUNIOR, CNPS; CESAR DA SILVA CHAGAS, CNPS; NIRIELE BRUNO RODRIGUES, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; ERIKA ELISSANDRA CASSIMIRO RAMOS, UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO; LEONARDO DURVAL DUARTE GUIMARÃES, INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO MATO GROSSO. |
|
Título: |
Predição espacial de areia total através de machine learning: estudo de caso Projeto Salitre, Bahia. |
|
Ano de publicação: |
2023 |
|
Fonte/Imprenta: |
In: CONGRESSO LATINO-AMERICANO DE CIÊNCIA DO SOLO, 23.; CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 38., 2023, Florianópolis. Anais [...]. Florianópolis: Epagri, 2023. p. 110. Ref. ID 1206. |
|
Idioma: |
Português |
|
Conteúdo: |
O objetivo do trabalho foi comparar dois modelos de machine-learning, Regressão Linear Múltipla (RLM) e Random Forest (RF), para a predição da distribuição da fração areia total do solo. |
|
Palavras-Chave: |
Granulometria do solo; Mapeamento digital; Modelos preditivos. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
URL: |
https://www.alice.cnptia.embrapa.br/alice/bitstream/doc/1160243/1/Predicao-espacial-de-areia-total-atraves-de-machine-learning-2023.pdf
|
|
Marc: |
null
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Solos (CNPS) |
